N° F20230313130558

Machine Learning Approach Based on Echocardiographic Data to Improve Prediction of Cardiovascular Events in Hypertrophic Cardiomyopath

Partager

Objectif(s) de la recherche et intérêt pour la santé publique

Objectifs poursuivis

Diagnostics

Domaines médicaux investigués

Cardiologie

Bénéfices attendus

La cardiomyopathie hypertrophique sarcomérique touche 1/500 personne.. L’évaluation du risque de complications est un enjeu majeur dans la prise en charge des. patients présentant une CMH.. . Le risque rythmique a longtemps été au cœur des études comme étant la. complication principale des CMH, on réalise aujourd’hui avec le développement du. défibrillateur automatique implantable (DAI) et la baisse du risque de mort subite que. d’autres complications telles que l’insuffisance cardiaque et la fibrillation atriale sont. devenues prédominantes (atteignant respectivement 40 et 25% des patients avec une. CMH).. . Il n’existe pas à l’heure actuelle de score de risque permettant d’évaluer les risques. de complications associées aux arythmies ventriculaires ni de prédire l’évolution globale. des patients atteints de CMH.. . L’établissement d’un algorithme utilisant les multiples paramètres déjà identifiés. permettrait de hiérarchiser les marqueurs entre eux et d’établir une prise en charge. codifié et personnalisé des patients. Nous proposons la création de cet algorithme. par une approche de Machine Learning et dans notre base de données nous avons. inclus les paramètres connus pour avoir un intérêt pronostic (taille de l’OG,. Version 1.0 du 27-02-2023 2. . épaisseur maximale, gradient d’obstruction…) mais nous avons également inclus. des paramètres dont l’utilité est supposée mais encore peu démontré afin d’évaluer. leur place par rapport aux autres paramètres.

Données utilisées

Catégories de données utilisées

Informations recueillies à l'occasion d'activités de prévention, de diagnostic, de soins ou de suivi social et médico-social

Source de données utilisées

Autres sources

Acteurs finançant et participant à l'étude

Responsable(s) de traitement

Type de responsable de traitement 1

Etablissement public de santé (dont fédération)

Responsable de traitement 1

CHRU de Nancy

29 avenue du Maréchal de Lattre de Tassigny 54035 NANCY

Calendrier du projet

Terminé
Date de début : 13/03/2023 – Date de fin : 15/03/2024 Durée de l'étude : 1
Etape 1 : Dépôt du projet
13/03/2023

Base légale pour accéder aux données

Durée de conservation aux fins du projet (en années)

5

Fondement juridique

Article 6 du RGPD (Licéité du traitement)

(1)(a) consentement spécifique, éclairé et univoque

Article 9 du RGPD (Exception permettant de traiter des données de santé)

(2)(j) archives, recherche scientifique ou historique, ou statistiques

Transfert de données personnelles vers un pays hors UE

  Non

Droits des personnes

Ces droits s'appliquent à tout moment auprès du Responsable scientifique local qui propose de participer à la recherche.. . Concernant le droit à l'information sur le traitement de ses données à caractère personnel, la personne participant à la recherche peut contacter le DPO du CHRU par mail ou par courrier

Délégué à la protection des données

CHRU de Nancy

29 avenue du Maréchal de Lattre de Tassigny 54035 NANCY

dporecherche@chru-nancy.fr